[发明专利]基于卷积神经网络和极限学习机的手写体识别方法在审
| 申请号： | 201710748310.5 | 申请日： | 2017-08-28 |
| 公开（公告）号： | CN107967497A | 公开（公告）日： | 2018-04-27 |
| 发明（设计）人： | 张文博;王阳;朱鑫;刘其民 | 申请（专利权）人： | 苏州明逸智库信息科技有限公司;昆山鲲鹏无人机科技有限公司;鲲鹏通讯（昆山）有限公司 |
| 主分类号： | G06K9/68 | 分类号： | G06K9/68;G06N3/04;G06N3/08 |
| 代理公司： | 苏州润桐嘉业知识产权代理有限公司32261 | 代理人： | 胡思棉 |
| 地址： | 215000 江苏省苏州市昆*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于卷积神经网络和极限学习机的手写体识别方法，其步骤为初始化，构建卷积神经网络层，随机产生加权极限学习机的输入权值W与隐层偏置b；划分数据集产生训练样本和测试样本并进行数据预处理；进行卷积神经网络提取特征，得到训练集特征和测试机特征；根据训练集特征训练极限学习机分类器得到输出权重，根据测试机特征及输出权重，得到最终的手写识别结果。本发明相比较单纯使用极限学习机，其可以提高准确率，缩短测试和训练时间。 | ||
| 搜索关键词： | 基于 卷积 神经网络 极限 学习机 手写体 识别 方法 | ||
【主权项】：
一种基于卷积神经网络和极限学习机的手写体识别方法，其步骤如下(1)初始化：(1a)构建卷积神经网络；(1b)随机产生加权极限学习机的输入权值与隐层偏置；(2)划分数据集产生训练样本train和测试样本test；(3)数据预处理：(3a)将训练集数据进行归一化处理：train＝train/255；(3b)将测试集数据进行归一化处理：test＝test/255；(4)卷积神经网络提取特征：(4a)随机产生卷积神经网络的卷积核；(4b)使用初始化后的卷积神经网络，输入训练集，运行前馈神经网络，在最后一个池化层得到卷积神经网络提取的训练集特征；(4c)使用初始化后的的卷积神经网络，输入测试集，运行前馈神经网络，在最后一个池化层得到卷积神经网络提取的测试集特征；(5)训练极限学习机分类器：(5a)将卷积神经网络提取的训练集特征p输入到极限学习机中，根据标签得到极限学习机的输出权重；(5b)将卷积神经网络提取的测试集特征q输入到极限学习机中，得到最终的手写体识别结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于苏州明逸智库信息科技有限公司;昆山鲲鹏无人机科技有限公司;鲲鹏通讯（昆山）有限公司，未经苏州明逸智库信息科技有限公司;昆山鲲鹏无人机科技有限公司;鲲鹏通讯（昆山）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710748310.5/，转载请声明来源钻瓜专利网。
